当前位置:   article > 正文

基于用户/项目的混合协同过滤推荐算法的推荐原理、推荐过程、代码实现 混合推荐算法 聚类、属性、评分混合推荐项目代码实现_基于用户信息聚类的混合推荐方法研究

基于用户信息聚类的混合推荐方法研究

目前商用的推荐机制都为混合式推荐,将用户属性、项目属性、用户操作行为、聚类算法、基于用户、基于项目、基于内容等混合推荐。本文主要介绍混合推荐的推荐原理、推荐过程、代码实现。

一、基于用户/项目的混合协同过滤推荐算法推荐原理

混合推荐可使用的数据包括:
1、用户属性:用户位置、用户性别、用户年龄等属性信息;
2、项目属性:项目类别、项目添加时间、项目内容等属性信息;
3、用户操作行为:用户评分、收藏记录、浏览记录、观看时长、购买记录等操作行为;
混合推荐方法可以是先将数据进行聚类(用户聚类、项目聚类等),可进行多次聚类,聚类算法常用的有KMeans聚类、Canopy聚类、KMeans+Canopy聚类、迷糊均值聚类等聚类算法,然后找到目标用户所在的簇,用簇中的项目或者用户进行推荐,推荐可根据多种操作行为分别推荐,然后将推荐的结果进行平均加权求和,需要提前设定每种推荐算法的权重,或者分别计算不同操作行为的用户或者项目的相似度,将相似度进行加权求和,然后再进行最后的推荐,相似度的计算可采用余弦算法、修正余弦算法、person皮尔森算法、欧几里得距离公式等算法,推荐机制可采用SlopeOne、SVD等。
总之,混合推荐算法比较灵活,适合自己的才是最好的。

二、代码实现

本文的实现代码以movielens电影评分数据为例,java语言开发,实现了基于电影评分和用户属性的协同过滤混合推荐算法
下载地址:https://download.csdn.net/download/u011291472/11967745
该程序仅供学习和测试使用。

作者专业长期研究各种协同过滤推荐算法,欢迎留言、私信互相交流学习,后续会不断更新不同的协同过滤推荐算法,欢迎关注。

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/羊村懒王/article/detail/123595
推荐阅读
相关标签
  

闽ICP备14008679号